Собесов

Technesis: чистка и дедуп данных по гостиницам с двух платформ

PythonETL и data cleaningСредняяMiddle

Условие

В файле hotels_parsing_result.xlsx две вкладки platform1 и platform2 — данные о гостиницах с двух платформ:

  • Записи могут повторяться, последняя — самая актуальная.
  • Если поле в последней записи пустое — взять из более ранней.
  • Поля phone, email, website — строки с несколькими значениями через запятую и лишними символами.

Задача: для каждой платформы вывести по одной записи на гостиницу (по uid) с самыми полными и актуальными данными; распарсить контакты в списки нормализованного формата; вывести топ-10 по числу телефонов и числу отзывов; найти квадрат 1 км × 1 км с максимальным числом гостиниц; объединить платформы и найти топ-10 общих по сумме отзывов.

Хочешь увидеть разбор?

Зарегистрируйся бесплатно — откроется развёрнутое решение этой задачи и ещё 4 на выбор.

Зарегистрироваться и увидеть разбор
Уже есть аккаунт? Войти